Módszerek összehasonlítása
Tekintse át a kiválasztott módszereket egymás mellett; az eltérő sorok kiemelve jelennek meg.
| SCAD-szabályozott regresszió× | Többváltozós faktoranalízis× | |
|---|---|---|
| Tudományterület | Pszichometria | Pszichometria |
| Módszercsalád | Latent structure | Latent structure |
| Keletkezés éve≠ | 2001 | 1985 |
| Megalkotó≠ | Jianqing Fan, Runze Li | Brigitte Escofier, Jérôme Pagès |
| Típus≠ | Penalized regression with non-concave penalty | Multiblock dimension reduction |
| Alapmű≠ | Fan, J., & Li, R. (2001). Variable selection via nonconcave penalized likelihood and its oracle properties. Journal of the American Statistical Association, 96(456), 1348-1360. DOI ↗ | Escofier, B., & Pagès, J. (1985). Analyses factorielles simples et multiples : Objectifs, méthodes et interprétation. Dunod. ISBN: 9782040116835 |
| Alternatív nevek≠ | SCAD | MFA, MFA multiple |
| Kapcsolódó | 5 | 5 |
| Összefoglaló≠ | SCAD (Smoothly Clipped Absolute Deviation) is a variable selection and regularization method developed by Fan and Li (2001) that addresses limitations of L1 penalization (lasso). SCAD uses a non-concave penalty that automatically performs variable selection while maintaining oracle properties: it recovers the true underlying model as if the true predictors were known in advance. | Multiple Factor Analysis (MFA) is a dimension reduction technique developed by Escofier and Pagès (1985) for analyzing multiple groups of variables measured on the same observations. MFA balances the influence of each variable group to provide a unified view of how observations relate across multiple perspectives. |
| ScholarGateAdatkészlet ↗ |
|
|